無人機拒止環(huán)境導航關鍵技術分析

本文介紹了無人機拒止環(huán)境導航的典型方法，包括慣性導航、視景匹配導航、地形匹配導航，以及近年來在自動駕駛領域廣泛使用的視覺SLAM導航、激光SLAM導航等。本文對比了不同技術的優(yōu)缺點以及對應的應用場景，闡述了相關技術未來的發(fā)展方向，希望為無人機拒止環(huán)境導航技術發(fā)展提供參考。

無人機在軍事、工業(yè)、農業(yè)等領域被廣泛應用并發(fā)揮著重要作用，但在執(zhí)行任務過程中，無人機可能因信號干擾或建筑物遮擋等原因導致GPS導航失效，從而影響飛行安全。因此，通過機載傳感器實現無人機拒止環(huán)境導航，對于保證無人機飛行安全、拓展無人機應用場景具有重要意義。

傳統拒止環(huán)境導航技術

在無人機、導彈等飛行器的自主導航任務中，常用的自主導航方法包括慣性導航技術、視景匹配導航技術以及地形匹配導航技術。慣性導航技術通過測量加速度和角速度等自身物理量來實現導航，視景匹配、地形匹配導航技術通過預存的環(huán)境特征進行匹配來確定位置，這些方法具備很強的自主性，但其環(huán)境適應性受到較大限制。

慣性導航技術

慣性測量單元（IMU）被廣泛應用于航空、航天以及汽車等領域，用于測量物體的位置和姿態(tài)。慣性導航技術通過IMU的陀螺儀和加速度計實現物體的角速度和加速度測量，然后對角速度和加速度進行積分并結合物體的初始狀態(tài)、受力情況以及時間等相關信息，得到物體的姿態(tài)、速度及位置信息。根據測量原理的不同，IMU可分為基于微機電系統（MEMS）、光纖陀螺、激光陀螺等。不同類型的IMU成本以及測量精度存在巨大差異，激光陀螺成本高達數十萬元但能夠實現10km/h的高精度導航，MEMS慣性導航成本低，但其精度相對較低，且誤差會隨著時間快速積累，可能導致導航失效。

慣性導航技術通過測量自身加速度、角速度獲得狀態(tài)信息，而不需要測量地形、圖像等環(huán)境信息，因此具有很高的自主性，能夠實現全天候、各類環(huán)境場景的自主導航。但由于慣性導航的測量原理是通過對測量值進行積分，因此慣性導航的測量誤差會隨時間增加而快速累積，其適用于短時間的高精度導航而無法滿足長時間的高精度導航需求。在拒止環(huán)境自主導航任務中，為實現長時間、高精度的導航，需要將慣性導航與視景匹配導航、地形匹配導航等方法進行結合，來糾正定位誤差累積。

視景匹配導航技術

視景匹配導航通過遙感衛(wèi)星獲得無人機飛行航路上的地圖信息，在無人機執(zhí)行任務前加載航線沿途的地圖圖片，在飛行過程中，根據無人機當前位置，計算得到待匹配區(qū)域，然后在區(qū)域內收集待匹配地圖，并將無人機機載攝像頭拍攝得到的圖片與待匹配地圖進行對比，獲得最佳匹配圖片，然后通過坐標變換，計算得到無人機的當前位置和姿態(tài)信息。

視景匹配導航技術能夠利用預先存儲的高精度地圖數據，在GPS拒止環(huán)境下實現長時間、遠距離的自主導航，并獲得較為精確的無人機位姿估計。因此，該技術被廣泛應用于無人機、導彈等飛行器的自主導航任務中。視景匹配導航需要通過匹配獲得位姿估計，因此當環(huán)境紋理不明顯，或夜間、雨霧等光線條件不佳時，將會導航失效。另外，視景

匹配導航需要進行圖片特征提取、圖像匹配等計算，對無人機機載處理設備的處理能力有較高要求。最后，對于無人直升機等低空飛行器，其拍攝高度與遙感衛(wèi)星差異巨大，將會因圖像分辨率差異較大導致匹配失效，因此視景匹配無法應用于超低空飛行器的拒止環(huán)境定位。

地形匹配導航技術

地形匹配導航技術利用地形高層特征實現自主導航，其被廣泛應用于無人機、導彈等各類型飛行器的自主導航與定位。地形匹配導航的原理是將實時獲取的地形高度數據與預先存儲的數字高層地圖進行匹配，從而確定當前位置信息。地形匹配導航可分為數據采集、數據對比和誤差修正幾個主要步驟。在數據采集過程中，無人機通過雷達高度計、激光測高儀或氣壓計實時測量飛行器與地面的垂直高度差，綜合慣性導航系統獲得地形高度信息；在數據對比環(huán)節(jié)，將預先存儲的任務區(qū)域的高精度數字高層地圖作為待匹配地圖，通過將測量得到的地形高層剖面與高層地圖候選區(qū)域進行逐段匹配，獲得無人機位置信息；最后利用慣導數據對匹配信息進行糾正，獲得準確的無人機的位置和姿態(tài)信息。

地形匹配導航與視景匹配導航一樣，不需要外部信號通信，因此同樣具有抗干擾性強、隱蔽性好、穩(wěn)定性高的特點。另外，由于地形高層信息不受季節(jié)、光線等影響，因此其穩(wěn)定性更好，可以全天候工作。但同時，地形匹配導航需要依賴地形的顯著起伏變化，因而在平原、沙漠等地形不明顯或地形變化區(qū)域將會導致匹配失敗，并且地形匹配導航在特征計算、地形匹配等過程中同樣具有較大的算力需求，因此對機載設備應急計算能力要求較高。

實時環(huán)境感知導航技術

實時環(huán)境感知導航技術是指無人機通過機載的光電、激光雷達等傳感器，實時感知并建立環(huán)境地圖，然后依靠建立的地圖實現無人機定位，由于建圖與定位是同時進行的，因此這種技術也被稱為同時定位與建圖（simulationmappingandlocation，SLAM）技術。根據傳感器類型不同，SLAM技術主要分為視覺SLAM和激光SLAM兩種，SLAM算法因其在拒止環(huán)境中實現自主導航的能力，被廣泛應用于自動駕駛和無人機自主導航等領域。

視覺SLAM技術通過RGB、黑白、紅外相機等視覺傳感器感知環(huán)境的視覺信息并建立特征點地圖實現無人機定位，由于視覺SLAM傳感器成本低、重量小、適用范圍廣，因此被廣泛應用于室內、隧道、地下車庫等GPS拒止區(qū)域機器人的自主導航任務中。近年來，視覺SLAM技術的快速發(fā)展使得其能夠實現厘米級的高精度定位。視覺SLAM技術可分為圖像處理、前端計算、后端優(yōu)化、回環(huán)檢測和地圖構建等步驟。在圖像處理環(huán)節(jié)，視覺SLAM算法通過視覺傳感器獲得圖像信息，并利用ORB、SIFT等特征點提取算法，提出圖像特征點；前端計算算法對兩幀圖像進行特征點匹配，通過PNP、ICP等算法獲得兩幀圖像的相對位姿變換；后端優(yōu)化算法將多幀圖像間的相對位姿變換作為優(yōu)化量，通過優(yōu)化計算得到無人機的最優(yōu)位態(tài)估計；回環(huán)檢測通過圖像判斷無人機是否回到同一位置，從而對無人機位姿進行糾正，消除累積誤差；最后通過提取關鍵幀建立環(huán)節(jié)特征點地圖，基于地圖實現無人機定位。

視覺SLAM算法無需存儲環(huán)境的視景或地形信息，因此適用于陌生環(huán)境的無人機自主導航任務，具有更加廣泛的應用場景，并且ORB-SLAM3、VINS-FUSION等先進的視覺SLAM算法能夠實現厘米級的定位精度，具有更高的定位精度。視覺SLAM算法依賴于視覺信息的特征提取和匹配，這使得其在弱紋理區(qū)域容易出現匹配失敗，從而導致定位失效。同時，視覺SLAM算法對環(huán)境光線條件較為敏感，難以在全天候條件下穩(wěn)定工作。此外，特征提取和后端優(yōu)化等步驟對計算資源要求較高，需要機載系統具備較強的算力，以實現高效的實時導航。

激光SLAM技術

激光SLAM導航技術通過激光雷達傳感器實現環(huán)境探測并完成定位與建圖。激光雷達通過發(fā)射激光脈沖并接收反射信號，對障礙物的距離和角度進行測量，從而實現無人機的高精度定位。激光SLAM算法的流程可以分為前端處理、后端優(yōu)化、回環(huán)檢測和環(huán)境建圖4個部分。在前端處理環(huán)節(jié)，激光SLAM算法接收激光雷達點云數據并提取點云數據中的平面、邊緣、角點等特征，然后利用ICP、NDT等配準算法計算得到兩幀點云的位置變換；在后端優(yōu)化環(huán)節(jié)，激光SLAM算法將多幀點云位置變換作為輸入，對位姿進行整體優(yōu)化提高定位精度；在回環(huán)檢測環(huán)節(jié)，激光SLAM算法利用激光點云數據判斷是否回到同一位置，并將該條件作為約束項，從而減小算法累積誤差；最后，利用定位結果和點云數據，建立環(huán)境的激光點云地圖。

激光雷達傳感器能夠實現厘米級的高精度測量，使得激光SLAM算法能夠實現比視覺SLAM算法更高精度的導航性能。激光SLAM算法是依靠環(huán)境的結構特征來實現定位，因此其不受光照、天氣影響，能夠全天候工作，相較于視覺SLAM算法具有更好的環(huán)境適應性。但是，激光SLAM算法需要依靠地形結構實現導航，因此受限于激光雷達傳感器探測范圍，激光SLAM更適用于低空飛行的無人機。此外，激光SLAM需要依靠環(huán)境結構特征進行定位，因此在海面、平地等結構不明顯區(qū)域，由于其特征缺失導致定位失效，因此需要與慣性導航、視覺SLAM導航等其他方法進行融合，提高導航的可靠性。

不同導航技術對比分析

不同的無人機導航方式對比如表1所示，慣性導航魯棒性高、環(huán)境適應性好，能夠實現短期的高精度導航，但是導航定位誤差將會隨時間而累計增長，因此不適用于長時間的導航任務；視景匹配和地形匹配能夠實現穩(wěn)定的中高精度導航，但是其需要預存地圖信息以及高層信息，并且在圖像以及高層信息不明顯區(qū)域將會出現失效；視覺SLAM技術能夠在特征明顯區(qū)域實現高精度的導航效果，但是對環(huán)境紋理、光照穩(wěn)定性有較高需求；激光SLAM能夠實現高精度定位與建圖，但是容易受到雨霧等影響，并且需要環(huán)境具備明顯的點、面等特征，在海面等場景會導致失效。

無人機拒止導航技術挑戰(zhàn)與未來發(fā)展方向

慣性導航、視景匹配導航、地形匹配導航技術已在無人機、導彈等飛行器上獲得廣泛應用，這些技術抗干擾能力強，能夠提供較好的全局定位精度。然而，它們通常適用于時間較短、特征明顯且預先存儲了地圖信息的特定場景。在弱紋理、地形特征不明顯的陌生復雜區(qū)域，這些技術可能會因導航失效而無法滿足無人機自主導航的需求。視覺SLAM、激光SLAM等實時定位算法在機器人、自動駕駛領域獲得廣泛應用并表現出巨大的發(fā)展前景，但其在無人機領域的應用仍需要突破魯棒性、可靠性等技術難點。

因此，在無GPS、弱紋理等復雜拒止環(huán)境的自主導航任務中，單一、傳統的導航方式已經無法滿足無人機拒止導航需求，無人機導航技術正朝著多模態(tài)融合和智能化方向發(fā)展。一方面，慣性導航、視覺/激光SLAM、地形/視景匹配的多傳感器融合將會成為主流，通過多種定位方式互補，多傳感器融合將實現高精度且魯棒性高的定位效果；另一方面，基于深度學習的端到端導航方法逐步成熟，并在自動駕駛等領域的定位和導航任務中得到廣泛應用，這種方法顯著提高了對復雜場景的適應性，展現出在無人機自主導航領域的巨大應用潛力。